一探人腦和電腦之平行式

學習

【摘要】不論人腦或電腦都需要將新的訊息與已知的相互比對，才能從過去的經驗「學到」東西。最好的作法即是把訊息儲存在可修飾的網絡上。

除了最原始的反射動作外，人類的一切行為都涉及某種程度的學習。與其他動物比較，我們的「智力」主流，溯源自人的高度可塑性以及可處理大量複雜訊息的能力。較低等種屬的大部分行為，可能是先天遺傳就已註定了。不過，即使昆蟲和蝸牛也能按照經驗──換句話說，就是學習──來調整牠們的行為步調。

電腦的優劣

究竟是什麼樣的機器可能具有學習能力？這便是神經科學家正面對的難題，他們嘗試要把活腦所顯現於外的行為與基本的具體元素連繫起來。學習必定涉及腦內某些具體基質（physical substrate）的修飾，此修飾多少是永久性的。儘管記憶可能是短暫無常摸不著邊，然而每一記憶烙痕必定可覓得生物體上的另一半（physical counterpart）──一種獨特的符號以代表記下來的經驗。因此，我們一生中累積下來無數的記憶，如何能被轉譯為具體的代號呢？人腦中為數百億以上的神經細胞以及細胞間各自的「連結」（connections），形成無數或大或小的細胞「組合群」（assemblies）。愈來愈多的證據使我們相信藉這類「組合群」的活動，可以在腦中儲存並且喚起「記憶」。

研究活腦裡的這些組合群，是件煩人的工作。研究方式之一是，猜想由每一個細胞對不同種類刺激的反應中，腦如何將訊息加以編碼？另一條路，從無脊椎動物比較簡單的神經系統著手研究。第三條探索途徑，則完全巧妙地擺脫了與神經組織打交道時難免遭遇到的技術性難題。此研究的靈感，是從人工智慧的領域中得來的。它的目標是想解答：當頭腦學習時，它究竟在做些什麼，也就是清楚界定頭腦在理論上需要做什麼。此項研究涉及神經生物學、心理學及電腦科學等科際間的合作。這些學者的確在下很大的賭注；研究結果不僅關係我們對腦部的了解，而且還牽連到能否設計出性能更好的電腦。

頭腦做些什麼

儘管今天的電腦非常有效力，然而它們的用途還是有限的。它們擅於儲存並檢索精確定義下的資訊位元，而且也精於完成複雜的計算──包括上萬的元素與上百萬的運算在內。對這些技巧，人腦只有望塵莫及之嘆！但是小嬰兒在出生後數星期就能學會的一些技巧──如辨認母親──仍然是最精巧的電腦所無法辦到的。

電腦不擅於從接收的訊息中摘取醒目的特徵，也不易儲存由這些特徵所定義出來的「表徵」（representations）。它們也不擅長從記憶庫的訊息中，推演概化到其他類似的案例；換言之，它們不易形成「概念」。鴿子和2歲以下的幼兒都能形成概念，而電腦卻辦不到。此外，它們非常不擅於在顯然無關的資訊位元間學會聯想，這聯想能力使法國小說家蒲魯斯特筆下的主角，得以由一小口蛋糕而觸發起兒時的回憶。

人工智慧專家以有限的方式，已經開始寫下模擬人類學習的程式。例如麻省理工學院的溫史東（P. Winston），發展出一種程式能夠學會辨認一組積木的排列是否算得上「拱形」，不過在實驗進行之前，得先讓電腦看過一些數目有限的拱形及非拱形（見圖）。但是這樣的嘗試相當麻煩，同時也得花費好幾小時的電腦時間，去解決一個小孩在數秒鐘就能回答的問題。不過讓我們也為電腦說句公道話，假使要我們來模擬今天性能最好的電腦所能完成的算術運算，就得花費數十億的人力才做得到。很顯然，電腦與人腦在資訊處理方面，基本上是不一樣的。

我們設計電腦處理訊息的方法是，在每一時段中只呈現一單元的訊息（即序列式地）；而腦及腦內次級系統卻能在同一時段處理數個平行輸入的訊息。舉例來說，所有網膜上的感光細胞都能馬上報告，在它們的視野裡究竟看到什麼了。視覺系統的各個層面轉播訊息，是一個接另一個地傳送。每一層面的細胞自「前」一層面的聚攏了訊息，但是這些訊息永不會收斂於一個像透視圖的消失點上。「平行路徑」可處理視覺景象的各部分，並且還能經由彼此互相連絡的方式，而引起一個描述此景的完整「表徵」。

側抑制與組合群

上面對於引起視覺的過程，實在描述得太簡化了，因為我們幾乎可說還不太了解它。更複雜的事實是，同一條路線上的任何一個細胞知會了下一個細胞什麼事，有時取決於它的鄰近細胞們正在「傳說」些什麼。舉例來說，有一單元訊息興奮起某一神經細胞，則會壓抑它周圍緊鄰細胞的活性。傳遞訊息的途中，「側抑制」（lateral inhibition）能把細節的部分突顯出來。在視覺系統裡，側抑制會增強視野中兩個不同區域間的對比。芬蘭的柯何南（T.Kohonen）曾設計一種電腦模型，可以僅從半個臉孔中辨認出整體來。他發現除非把「側抑制」引進這電腦模式裡，否則被回想起來的影像會模糊得幾乎無法辨認。

那些適用於視覺的法則幾乎也可用於學習：頭腦的神經線路原是設計來應付平行輸入的訊息，經由各自分立但互相連絡的神經路徑來運作處理這些訊息。於是，當今來自電腦科學及神經生物學的理論家，忙於尋求各種方法使這類平行輸入與一種假想的神經網絡能產生交互作用，因此賦予它學習的能力。他們臆測：個個記憶或「表徵」並非儲存於一個固定不變的區域，也就是記憶並非僅僅涉及單一或少許神經細胞的活動。他們首先假設，可能分布相當廣泛的一群細胞之組合活動起來，而建構了記憶的「表徵」，接著記憶的回想作用，單單只涉及同一個組合的再活化而已。在每一種「表徵」中，任何一個細胞的活動都是不可或缺的元素。各個細胞可以包含在許多不同的組合群裡，所以組合群之間會有重疊之處。

模擬頭腦

截至目前為止，還不能直接證實記憶確實是以這種方式儲存下來的。但是我們可賦予「組合群」幾個有利的性質，這也是頭腦表現的特色。首先這組合群能擁有頭腦擅長的推理概化的能力。給予幾張椅子的樣品，人腦很快學會辨認所有椅子，並且也會辨認出凳子和沙發的相似之處。理論上的解釋是：由所有這些外在實體給活化的「細胞組合群」多半是重疊的，或者形成一個「超組合」（meta-assembly）的部分，用以表示「椅子」的抽象觀念。

另外，從部分的輸入訊息中，讓組合群能建構出一個完整的「表徵」。人和動物可以輕易從所見到實物的一部分，認出整體來。為了模擬這「補全」（completion）的性質，所以輸入實物訊息的一部分必須能活化整個組合。

最後，組合群可以忍受「優美的衰退」（graceful degradation）。這句有語病的話是說，即使組合有部分損毀，它也能繼續工作。如果它損失了一些元素，它的表現或許不完美，但也不至於完全癱瘓。我們從出生之後便會折損腦細胞，而且到了老年，大腦皮質部──似乎是記憶事物的儲存庫──損失的情形可能相當可觀。然而我們卻不曾遭遇記憶上的困擾，直到步入中年，才會感受到緩慢增多的「遺忘」。腦部損傷能夠造成嚴重的記憶喪失，不過要當大腦皮層下的中樞群（centers）受傷，才可能導致這樣的後果。大腦皮質的下層中樞群在整合新記憶上，可能扮演著重要的角色。由一群細胞互助合作產生單一輸出的一個細胞網絡，在癱瘓之前損失了許多細胞，還依然能運作自如，這豈不是「優美的衰退」？

如果一個神經元的「組合」確實是記憶歸檔的場所，它是如何形成的？基因在決定神經細胞彼此間的連結上，有一定程度的影響力。神經元路線的基本雛型，在出生之前就已塵埃落定，例如設定了這類的原則：視覺訊息得經由枕葉的皮質部來予以表現，軀幹的右側得由腦的左側來代理管轄等等。雖然每個神經元得接受遺傳藍圖的安排，但是它還有很大的彈性，可以選擇下一個傳遞訊息的接棒者是誰。目前的研究顯示：神經元重造連結的線路，並非依據周遭環境的指示；可能是在許多潛在合適的連結線路中，任其取捨（又是依循經驗）。

赫伯的理論

最早描述細胞會選擇夥伴的理論，是由赫伯（D.Hebb）提出的。他在1949年出版一本書：「行為的組織」（The Organisation of Behavior）。依赫伯的理論，組合群概念是基於下列原則而建立的：「任何兩個細胞或系統，重複在同時段中都處於活躍狀態，則二者將『聯接』起來，以致於其中之一活化時，可啟動另一個。」他更詳盡解說，每次有一細胞參與刺激另一個細胞而使之活化，則可強化二者間的連結。強化連結的效果，將來可以使第一個細胞興奮起第二個的可能性大大提高。

第一個細胞的活動並不一定需要使第二個興奮起來，才能促成二者的連結。每個細胞能接受許多的訊息輸入，有些易興奮它而另外的卻會抑制它；一瞬間，它把所有的輸入訊息合計一下，而決定自己是否要發動起來。1973年，史登特（G.Stent，目前在加州大學柏克萊分校）引申了赫伯的理論而補充道：一個活化的細胞及一個無反應的，二者連結的可能性將會衰減。我們可採用同一訊息隨後出現的手法，可以重複這樣雙向修飾的連結，直到兩個「同步」活動的細胞間的連結強度達到極大值，並且「非同步」活動細胞間之連結降至極小值。於是，這群密切連結的細胞所構成的「組合」，即代表了塑造它的「訊息」。

總之，目前這理論還要擺平各種問題後，將來才能當做一個卓越電腦模型的基礎，或者用以描述生物系統裡的學習現象。例如，倘若組合群可以重疊，就無法辨認兩個同時激發而重疊的組合，以及一個包含此二組合所有的元素，卻代表不同事物的「單一組合」。哥廷根的馬克斯-蒲朗克研究所，馮得馬斯伯格（C.von der Malsburg）曾針對同步活動那交待不清的時間問題，嘗試予以更嚴謹的定義。他認為，兩個細胞彼此相繼在數十分之一秒內活化，這時間未免太長了。為了強化它們之間的連結，二者活動的起伏必得同步化到千分之一秒左右的速度。只要兩個組合的活動不是在這麼短暫的時段內發生，也就是非同步化，於是兩個活化的組合即能共存而不混淆。

談了這麼多理論，到底這假說與真實腦袋的實際作業有任何關連嗎？迄今為止，遠景似乎十分看好！神經科學家已經證實了在許多不同的種屬中，兩個細胞間「連結的修飾」（modification of connections）的確遵循經驗的指示。紐約康乃爾大學的肯德（E.Kandel）及麻州伍玆洞海洋生物實驗室的阿肯（D.Alkon），各自研究發現，當海蝸牛學會了對簡單刺激作反應後，凡涉及接受此刺激的細胞與那些發生反應的細胞，其間的連結會被修飾而強化。他們能就細胞的組成分子之改變，來說明每一個案中所發生的現象。法蘭克福的馬克斯-蒲朗克研究所的辛格（W.Singer）運用赫伯的觀點來說明他的實驗結果：小貓視覺皮質部的細胞可發展成偏好訊息從一隻眼睛傳入，而較不喜歡另外一隻眼睛進來的訊息。

至於考慮到組合群的本身，要了解目前究竟正在進行些什麼，顯然是比較困難的事。但從記錄猴類腦部各個單一細胞的活動上，在在提示我們，成組的細胞以相互合作的方式來為複雜的刺激做編碼工作。牛津大學的羅爾斯（E.Rolls）發現，某一部位的細胞若與視覺訊息高層次的運作有關的話，則它們對臉部照片的反應最靈敏。有些細胞對所反應的面孔不會取捨；其他有的則非常偏好某些面孔，不過仍然對一切面孔至少予以少許反應。並沒有單一細胞來代表單一面孔的事；而誠如羅爾斯所說：「敘述某一面孔的訊息，透過這些細胞整體綜合的效果而呈現出來。」因為這些細胞幾乎只對面孔作反應，所以細胞大合唱的編制不會很龐大。

波玆曼機器

應用赫伯的觀念於機械腦上也有很好的收穫。加州理工學院的霍費爾德（J. Hopfield），已經採用有潛力可形成「組合群」的一些單元來建造複雜的網絡，並且也測試過這些單元組合的網絡。霍費爾德的概念給了賓州匹玆堡卡內基-美侖大學的辛頓（G.Hinton）和西諾斯基（T.Sejnowski）靈感。他們設計了一項學習機器（命名為「波玆曼機器」以紀念統計力學之父），可將一特定訊息輸入到各個平行單元，並經由一組交織網路的運作，而學會產生必要的輸出。在這網絡裡，單元間的連接可以有不同的權數（weight），可以為正或為負：如果兩單元同時活化起來，則它們的連結有一高的「正權數」；如果當一個是靜止狀態，另一個卻發動起來，則其連結有一高的「負權數」。在教導波玆曼機器學會反應的過程中，它會修飾這些權數，因此當僅僅給予訊息輸入之下，波玆曼機器必須做反應時，極有可能會提出正確的解答來。波玆曼機器業已應用於解決電腦的難題，如像從背景中辨認出圖形來。

人工智慧與神經生物學之間，繼續維繫「給及取」（give-and-take）的關係，顯然對雙方都是有益的。認知科學這門相當新的領域如此快速的擴展，證明了它們彼此間交互的影響充滿了活力。對實驗神經生物學者來說，現在該輪到他們更進一步努力去探討，「生物學習機器」究竟是否遵循生物原則。屆時，「往事可堪回憶」的機器版本，也許不再遙不可及。

（本文譯自G. Ferry, "Parallel learning in brains and machines", New Scientist, 13 March, 1986.）

林雪蕙本刊編輯

回到最上面

科學月刊全文資料庫

最佳瀏覽解析度800*600，請使用IE4.0以上版本的瀏覽器

科學月刊雜誌社．金台灣資訊事業有限公司．圖龍文化事業股份有限公司版權所有
Copyright 2000 Science Monthly and King-Taiwan Information Technology Inc. All Rights Reserved.